MOCKUP · SPReAD 1000 企画(外観イメージ) #23 · AI for Science/医療テーマ
#23

脳は一様には老いない——脳MRIから「脳年齢」と脳の老化の個人差をAIで描き、認知機能・神経変性と結ぶ

🧠 aevum.research / brain-age
Aevum — 脳MRIから脳の老化を描く
研究プロトタイプ ・ 構造MRIから脳年齢と領域別の老化を推定(ダミーデータ)
解析MRI 2.0万件
解析した脳MRI
2.0万件
脳年齢の推定誤差(MAE)
3.4
ギャップ↔認知機能 相関
r.42
▲ 老化の個人差を捕捉
施設間一般化(外部MAE)
4.1
▲ ハーモナイズで頑健
脳年齢を実年齢に対してプロットし、ズレ(脳年齢ギャップ)と「どの領域が老けたか」を可視化
公開MRIから推定した脳年齢を実年齢に対して表示。基準線より上=脳が実年齢より「老けて見える」(ギャップ+)。点は個人、ハイライトは一例。実測ではなくダミー描画。
基準線(脳年齢=実年齢) +8歳 実年齢58歳 → 推定脳年齢66歳 406080 406080 実年齢(歳)に対する推定脳年齢(歳)・ダミー 推定脳年齢→
個人(推定脳年齢 vs 実年齢) ハイライト(脳年齢ギャップ+8歳) 基準線
脳年齢ギャップを押し上げた脳領域 上位(寄与度)
1海馬・内側側頭葉の萎縮26%
2側脳室の拡大(脳萎縮)22%
3白質病変(FLAIR高信号)19%
4前頭前野の灰白質減少18%
5全脳の皮質厚の低下15%
↑ 研究コード名「Aevum」。構造MRIから脳年齢と「どの領域がどれだけ老いたか」を
AIで推定し、脳年齢ギャップと領域別の老化マップを可視化した完成イメージ。
脳は一様には老いない。AIが構造MRIから「脳年齢」を推定し、実年齢とのズレ(脳年齢ギャップ)と、どの領域がどれだけ老いたかを地図化する。脳ドックや認知症リスクの層別化、生活習慣介入の効果指標を支える——完成したらこう見える、の外観イメージ。
上限 500万円(直接経費) 学生応募可(医学生=当事者) e-Rad 応募 第2回・2026年6月上旬予定 分野:神経科学・放射線 × 構造MRIの深層学習
🔬 問い・学術的背景

脳は一様には老いない。どの領域が・どんな順序で・どれだけ個人差をもって萎縮・変化するのか、実年齢と「脳の見た目年齢(脳年齢)」のズレ(脳年齢ギャップ)が、認知機能の低下や神経変性・生活習慣とどう結びつくかは未解明。脳年齢ギャップは健常と軽度認知障害を分ける識別力が報告されるが、(1)単一の脳年齢値でなく「どの領域が老けたか」を地図化できるか、(2)装置・施設をまたいで一般化(ハーモナイズ)できるか、(3)根拠を解剖の言葉で説明できるか、は途上。脳画像・神経解剖は医学生が学ぶ領域で、認知症は超高齢社会の国家課題。

🎯 仮説・新規性

構造MRIから脳年齢を推定し、その誤差(ギャップ)と領域別の老化パターンが、認知機能・生活習慣・将来の神経変性リスクと対応すると仮説。新規性は、(1)単一の数値でなく「領域別・パターン別の老化マップ」を可視化、(2)装置間ハーモナイゼーションで日本人コホートへ一般化、(3)説明可能性(どの領域が脳年齢を押し上げたか)。

🤖 AI活用の必然性

微細で広範に分布する萎縮・信号変化は人手では定量できない。3D CNN等でしか、領域横断の老化パターンと年齢の対応、ギャップと臨床の結びつきは学べない。

💰 500万円の使途
  • ① 公開MRIデータセット(IXI/OASIS/Cam-CAN等)+計算環境・GPU
  • 装置間ハーモナイゼーション手法の実装
  • 領域別の老化マップ・脳年齢ギャップ可視化UIの試作
  • ④ 神経内科・放射線科との検討会
  • ⑤ 学会発表・プレプリント公開
📈 期待成果・社会実装(出口)

脳年齢と領域別の老化マップの実証と、説明可能な可視化UIの試作。出口は脳ドック・認知症リスクの層別化の補助、そして生活習慣介入の「効果指標」としての脳年齢ギャップHiroは脳画像・神経解剖を学ぶ医学生=当事者

※ 正直な関門:脳年齢は粗い要約で、ギャップは交絡(教育歴・血管リスク・撮像条件)に左右され因果ではない。装置・撮像プロトコルのばらつきが大きく、施設間一般化(ハーモナイゼーション)が最重の技術課題。MRIは顔が再構成されうる個人情報でデフェイスと同意が必須。臨床的有用性(介入で本当に変わるか)は未確立で、海外に先行研究が多数——新規性は日本人一般化・領域別パターン・説明可能性に絞る。学生応募可だが所属大学のe-Rad機関登録・承認が前提、第2回の正式日程・公募要領は確定次第確認。
完成イメージ(ダミーデータ)・元アイデア → spread-plans.md #23